圖片處理軟體輸出時的「銳化」和處理過程中的「銳化」在演算法上有什麼不同？

01-20

個人認為正確的答案：

圖像處理軟體保存時的銳化多為結合縮圖插值演算法及全局銳化在內的不可逆銳化操作；
Lightroom或CameraRaw等的軟體內銳化是結合邊緣檢測及降噪在內的局部銳化，並且是優先順序較低的可逆操作

===下面是延伸閱讀=====================================

謝邀！銳化演算法有非常多的種類，不明題主所指何種，只能泛泛而談了。
數字圖像銳化從邏輯上解釋，即為：拉開像素之間的差異從而增加畫面中細節的可辨識度。（很容易和圖像對比度混淆，銳化可以理解為增加局部差異，增加對比度可以理解為拉開整體差異）
目前主流軟體中所用銳化可以分為兩大類：全局銳化局部銳化。
先說下全局銳化原理：
理論上銳化是濾波演算法（通俗說就是模糊濾鏡）的逆應用，來看看下面的公式：

濾波結果 = 去掉了畫面細節的輸入圖像
畫面細節 = 輸入圖像 - 濾波結果
銳化輸出 = 輸入圖像 + 畫面細節 x 銳化強度

所以說有多少濾波演算法就有多少種銳化演算法，每種演算法都有它較適用的情況。
下面是看圖說話時間（圖片中的素材引用自斯坦福大學的一篇講座Sheet）

說到這裡不得不提一點補充內容：濾波降噪
成像技術從銀鹽進化到數字CMOS以後不得不面對電子信號噪波的問題

輸入圖像 = 真實信號 + 信號噪波

濾波演算法就是為了過濾信號噪波而產生的，大家一定都意識到了，銳化的過程在增強了畫面細節的同時，也放大了信號噪波。所以圖形學的大神們自然而然的想到了下面的解決方法：
局部銳化
簡而言之，銳化圖像的核心目的就是突出形體更容易被視覺識別。因此我們只要更多將銳化操作使用在形態的邊緣處，拿人像來做個例子就是諸如頭髮絲，眉毛，睫毛，臉部輪廓等等地方（這下滿足數毛黨的惡趣味了）
在PS中有個神奇的濾鏡叫高反差保留就是專門用來干Edge Dectection的（時下很流行的照片邊插畫的核心演算法就是這個），有興趣的同學可以跟著鏈接繼續擴展閱讀一下 Spatial Filters 學名Laplician of Gaussian(LoG)
下面請看實戰圖（這次選的能算喜聞樂見的照片了沒？）

這種方法簡而言之就是只銳化有必要銳化的部分，很大程度上降低了噪波被放大的情況。目前優秀的銳化濾鏡從根本上就是優化演算法以達到銳化真實信號而屏蔽噪波的目的。
==================================
預告下次更新內容： 不同濾波演算法的銳化差異

本層光談演算法，對樓上的做補充。
先簡單解釋下銳化：
所謂模糊和銳化是相對的，下圖是兩個基本的圓形，左圖使用了高斯模糊：
而紅紅線上的像素值可以表示為下圖：
而該像素值方程的一階導數為：

模糊必然導致信息丟失，而銳化所做的就是儘可能的把左圖變為右圖，讓看上去模糊的稍微清晰一點。在上圖簡單的系統里，或許你覺得這個很容易做到，而在事實上丟失的數據不能挽回，實際操作中只能同預測邊緣的位置加以強化起到銳化的效果。再打個稍微複雜點的比方：
以下為原圖：
模糊處理後變為這樣：
而適當的USM銳化可以使邊緣看起來更清晰,可是並沒有達到原圖的效果:

先入門一下銳化的演算法，一般的濾鏡銳化主要分兩個部分：1.邊緣識別（edge detection），2.邊緣強化（edge enhancement）。很多時候，這兩個部分都是對二維矩陣的卷積運算(convolution)，使用FIR(Finite Impulse Response)濾波，可以線性疊加，所以可以合併為一個演算法。Photoshop裡面使用的濾鏡（filter）一般都屬於這種濾鏡。
所謂的濾鏡，其實就是各種有限大小的矩陣。使用這些稱謂濾鏡的矩陣和原圖進行卷積運算便得到了輸出。這個運算可以在全圖，可以在選擇區域，也可以在點上。全圖和區域在photoshop裡面就是選擇的操作+濾鏡的操作。而點的操作就是左邊工具欄上的各種操作，例如這幾個：
銳化
模糊
再說銳化演算法的具體。圖片中的邊緣一般被稱作為頻率信息，而清晰的邊緣一般頻率較高。像之前說的，銳化可以通過增強頻率高的部分達到強化邊緣的作用。當然，這也會導致本身頻率低的部分頻率增高，也會導致噪音更明顯。
以下為幾個基本的銳化濾鏡：對於圖片上的需要銳化像素點進行以下卷積操作，便可以使圖片的高頻率區域更加清晰，同時，可以想像在一片平滑顏色均勻的區域，對任何像素點進行同樣操作並不會改變像素點的數值：
大概就是這樣，還有很多麻煩的東西不好解釋= =如果大家有興趣我再來更新點。

推薦閱讀：